一、前言

开始学习数据处理相关的知识了，第一步是搭建一个Hadoop集群。搭建一个分布式集群需要多台电脑，在此我选择采用VMWare+CentOS7搭建一个三台虚拟机组成的Hadoop集群。

本次搭建环境中操作系统的用户名为hadoop，请自行替换/home/hadoop为本机对应路径！

本次用到的软件版本为：

-VMware Workstation 14 Pro 14.1.3 build-9474260

-CentOS 7.5.1804

-Java 1.8.0_181

-Apache Hadoop 2.7.7

二、配置虚拟机

1.配置三台虚拟机

首先创建新的虚拟机，自定义创建，1核1G，网上教程很多不再赘述。

安装完CentOS 7后，如果出现无法连接网络的问题，可以参考https://www.cnblogs.com/sunylat/p/7214753.html这个帖子。参照https://www.cnblogs.com/comexchan/p/5815869.html设置yum的源以后，使用yum -y update进行更新。然后关闭虚拟机，选择VMWare的克隆功能克隆两台一样的虚拟机。

2.搭建桌面环境

为了方便丢jar和脚本进去，给打算用来当主机的一台增加一个桌面操作系统。我这里选用GNOME，具体用哪个自己参考。安装命令为yum groupinstall "GNOME Desktop"，注意引号。安装完毕后，使用startx可启动桌面。Ctrl + Alt + F6和Ctrl + Alt + F7分别对应切换到命令行窗口和切换到图形化界面。

3.配置免密

修改主机名，对三台机器做一下区分。三台机器的hostname分别设置为master，servent1和servent2。分别在三个虚拟机中使用cd /home/hadoop+mkdir ~/.ssh+chmod 755 ~/.ssh建立ssh文件夹，在master下ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa并cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys后，scp ~/.ssh/authorized_keys hadoop@servent1/*servent2*/:/home/hadoop/.ssh/,就可以用master免密登录另外两台了。

4.安装jdk

先用java -version确认一下自己的Java版本，1.8版本可以跳过此步骤，否则去java官网下载tar.gz文件后解压并配置环境变量，具体步骤网上教程很多此处略去。

5.安装Hadoop

下载目标版本的hadoop的tar文件，这里我安装到/home/hadoop/下，安装完以后出现hadoop-2.7.7文件夹。在一个指定路径(这里我在hadoop安装文件夹下)建立文件夹/tmp、/var、/dfs、/dfs/name、/dfs/data。打开安装目录/etc/hadoop，修改目录下core-site.xml文件在<configuration>节点内加入配置:


<configuration>

<property>

<name>hadoop.tmp.dir</name>

<!-- 刚才设置的tmp文件夹路径 -->

<value>/home/hadoop/hadoop-2.7.7/tmp</value>

<description>Abase for other temporary directories.</description>

</property>

<property>

  <name>fs.default.name</name>

  <!-- master对应设置的主机，在三台虚拟机内都要重复配置，此时设置为对应虚拟机名 -->

  <value>hdfs://master:9000</value>

</property>

</configuration>

接下来修改hadoop-env.sh文件，将export JAVA_HOME=${JAVA_HOME}修改为自己的jdk地址。

下一个是hdfs-site.xml文件，同样在<configuration>节点内加入配置


<configuration>

<property>

<name>dfs.name.dir</name>

<!-- 刚才设置的name文件夹路径 -->

<value>/home/lxz/hadoop/dfs/name</value>

<description>Path on the local filesystem where theNameNode stores the namespace and transactions logs persistently.</description>

</property>

<property>

<name>dfs.data.dir</name>

<!-- 刚才设置的data文件夹路径 -->

<value>/home/lxz/hadoop/dfs/data</value>

<description>Comma separated list of paths on the localfilesystem of a DataNode where it should store its blocks.</description>

</property>

<property>

<name>dfs.replication</name>

<!-- hdfs副本数 -->

<value>2</value>

</property>

<property>

        <name>dfs.permissions</name>

<value>false</value>

<!-- 开启权限检查 -->

<description>need not permissions</description>

</property>

</configuration>

下一步，cp mapred-site.xml.template mapred-site.xml后修改这个新建的mapred-site.xml文件，在<configuration>节点内加入配置:


<configuration>

<property>

<name>mapred.job.tracker</name>

<!-- 同理，修改master为对应主机名 -->

<value>hdfs://master:49001</value>

</property>

<property>

      <name>mapred.local.dir</name>

      <!-- var文件夹位置 -->

      <value>/home/lxz/hadoop/var</value>

</property>

<property>

       <name>mapreduce.framework.name</name>

       <value>yarn</value>

</property>

</configuration>

接下来修改slaves文件，将localhost修改为servent1和servent2。

修改yarn-site.xml文件，在<configuration>节点内加入配置:


<configuration>

<property>

<name>yarn.resourcemanager.hostname</name>

<!-- 同理，修改master为对应主机名 -->

<value>master</value>

</property>

<property>

<description>The address of the applications manager interface in the RM.</description>

<name>yarn.resourcemanager.address</name>

<value>${yarn.resourcemanager.hostname}:8032</value>

</property>

<property>

<description>The address of the scheduler interface.</description>

<name>yarn.resourcemanager.scheduler.address</name>

<value>${yarn.resourcemanager.hostname}:8030</value>

</property>

<property>

<description>The http address of the RM web application.</description>

<name>yarn.resourcemanager.webapp.address</name>

<value>${yarn.resourcemanager.hostname}:8088</value>

</property>

<property>

<description>The https adddress of the RM web application.</description>

<name>yarn.resourcemanager.webapp.https.address</name>

<value>${yarn.resourcemanager.hostname}:8090</value>

 </property>

<property>

<name>yarn.resourcemanager.resource-tracker.address</name>

<value>${yarn.resourcemanager.hostname}:8031</value>

</property>

<property>

<description>The address of the RM admin interface.</description>

<name>yarn.resourcemanager.admin.address</name>

<value>${yarn.resourcemanager.hostname}:8033</value>

</property>

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<property>

<name>yarn.scheduler.maximum-allocation-mb</name>

<value>1024</value>

<discription>每个节点可用内存,单位MB,默认8182MB</discription>

</property>

<property>

<name>yarn.nodemanager.vmem-pmem-ratio</name>

<value>2.1</value>

</property>

<property>

<name>yarn.nodemanager.resource.memory-mb</name>

<value>1024</value>

</property>

<property>

<name>yarn.nodemanager.vmem-check-enabled</name>

<value>false</value>

</property>

</configuration>

在另外两台分机上重复上述操作。然后进入主机安装目录的bin文件夹下，执行./hadoop namenode -format命令进行初始化，如果只有INFO级别日志则成功。随后进入安装目录下的sbin目录执行./start-all.sh命令，一路输入密码，等执行完毕后，进入master:50070和master:8088查看是否运行成功。